不要想的太过复杂，就只有随机数生成的三个矩阵，原始输入已经通过矩阵相乘关联在三个随机数矩阵中，再通过一些代数游戏得到每个token对于整体输入序列的注意力权重矩阵，再和另外一个随机数矩阵进行线性的代数变化即可。
反向传播更新的是这三个矩阵的权重，三个矩阵的维度设计也是为了符合线性代数的运算。
总之这个就是一个巧妙的线性代数游戏，没有什么复杂的逻辑问题。
。
我的世界怎么租一个四个人的服务器？
NAS对家庭来说有什么用处？
现在读写速度最快的硬盘，能在30年前的计算机上当做内存使用吗？
周杰伦为什么不告粥饼伦黑伦侵犯他的名誉权?
宁波东方理工大学学费每人每学年 9.6 万，为什么会这么贵？
为什么用 electron 开发的桌面应用那么多？
GitHUb上有哪些令人惊艳的开源软件？
为什么一谈到Wi-Fi想支持6GHz，总有人说那你可以去国外？
为什么 macOS 并不差，可市场总敌不过 Windows？
淘宝为什么要提供npm镜像?
电话：
座机：
邮箱：
地址：
